Como são os seus dados? (I)
Até agora, você se concentrou em criar novos atributos e lidar com problemas nos seus dados. A engenharia de atributos também pode ajudar você a tirar o máximo do que já tem e a usar essas informações com mais eficiência ao criar modelos de Machine Learning.
Muitos algoritmos assumem que seus dados seguem uma distribuição normal ou, pelo menos, que todas as colunas estão na mesma escala. Isso nem sempre é verdade; por exemplo, um atributo pode estar em milhares de dólares enquanto outro é um número de anos. Neste exercício, você criará gráficos para examinar as distribuições de algumas colunas numéricas no DataFrame so_survey_df, armazenadas em so_numeric_df.
Este exercício faz parte do curso
Feature Engineering for Machine Learning in Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create a histogram
____
plt.show()